上一篇文章，我談了 Own your AI stack。
我的核心觀點是：模型可以租，但資料、Context、Workflow 與 Orchestration 應該盡可能掌握在自己手上。真正會隨時間累積、甚至產生複利的，不是你今天訂閱了哪一個最強模型，而是你自己的資料與工作流程，最後能不能逐漸形成屬於自己的智能（Intelligence）。
最近看了 Y Combinator 一些關於 Personal AGI 與 AI stack 的討論之後，我一直在想另外一個問題：
如果我們真的希望擁有自己的 Intelligence，那是不是就代表每個國家、每家公司，都需要自己蓋一座超大型 AI Data Center？
我的答案反而是：不一定。
甚至對絕大多數國家、企業、中小企業，乃至個人來說，我認為都不需要。
不是所有國家都需要自己造航空母艦
我自己也參與 AIDC+ 與 AI Infrastructure 相關的顧問工作，所以我並不是反對建 AI Data Center。
相反地，我認為 AI Infrastructure 會變得愈來愈重要。
但我覺得現在市場上有一種很有趣的現象：
大家一談到 AI Infrastructure，好像就很自然地開始談幾十 MW、幾百 MW，甚至 GW 等級的資料中心，談幾萬、幾十萬顆 GPU。
彷彿進入 AI 時代，每個人都需要蓋自己的 mega-scale AIDC。
這讓我想到一個比喻：
不是所有國家都需要自己造航空母艦，更不是每個國家都需要擁有一整個航空母艦戰鬥群。
航空母艦當然非常強大。
但你真正要先問的問題是：
你的任務到底是什麼？
如果你的目標是訓練下一代 Frontier Model，跟全球最頂尖的模型公司競爭，那你確實需要極大規模的 Compute、電力、網路、Cooling 與 Capital。
這是一場航空母艦等級的競賽。
但如果你的目標不是訓練下一個 GPT，而是希望：
把自己的資料留在自己手上；
讓 Agent 可以安全地使用企業內部資料；
在本地執行推論；
建立自己的 Knowledge Base、RAG、Memory 與 Workflow；
甚至逐漸建立自己的企業 Intelligence；
那你真正需要的，可能完全是另一種 Infrastructure。
大部分人需要的，也許不是 Mega AIDC
對大部分企業而言，我認為更實際的方向可能是：
Enterprise-scale AIDC、Edge AIDC，甚至只是 In-Rack 或 In-Row 的 AI Infrastructure。
它不一定是一棟新的大型資料中心。
它可能只是企業既有機房裡的一個 Rack，或者幾個 Rack。
裡面有適合 AI inference 的 GPU Server、Storage、Network，加上企業自己的 Data、Agent Runtime、API、MCP 與 Orchestration。
上面可以跑量化後的開放權重模型（open-weight models），也可以在需要更強能力的時候，呼叫外部 Frontier Model API。
也就是說，它不是一個封閉系統。
而是一個 Hybrid AI Infrastructure。
敏感資料、本地資料、企業知識，可以留在地端。
需要大量運算或 Frontier Intelligence 的工作，再送到 Cloud API。
模型可以換。
Compute 可以擴充。
但最重要的資料、Context 與 Workflow，仍然掌握在自己手裡。
這其實就是上一篇文章所談的 Own your AI stack，再往 Infrastructure 往下延伸一層。
真正要擁有的，不一定是最大的 Compute
我覺得這裡有一個很重要的觀念需要分開。
Own your AI stack，不等於 Own every GPU。
你不需要擁有世界上最大的模型，也不需要擁有最大的 GPU Cluster。
真正需要擁有的，是那些會形成長期競爭力的部分：
Data、Context、Identity、Knowledge、Workflow、Agent Runtime 與 Orchestration。
Compute 本身可以是一個混合的資源。
有些在地端。
有些在 Edge。
有些在 Private Cloud。
有些甚至可以直接租用 Public Cloud 或 Frontier Model API。
這就像一家公司不需要自己蓋一座發電廠，才能說自己擁有資訊系統。
真正的問題從來不是「所有東西是不是都自己蓋」。
而是：
最重要的資產與控制權，到底掌握在誰手上？
Edge AIDC 的價值，是把 Data 與 Intelligence 放在一起
為什麼我反而愈來愈看好 Enterprise 與 Edge 等級的 AIDC？
因為很多企業真正有價值的東西，從來不是模型。
而是資料。
ERP 裡面的交易紀錄、CRM 裡面的客戶資訊、工廠裡面的生產資料、企業累積十年的文件、Email、Knowledge Base、SOP，以及每天持續產生的營運資訊。
這些資料很多不適合全部送到外部 Cloud。
有的是因為隱私。
有的是因為 Compliance。
有的是因為 Latency。
也有很多情況只是因為：
資料本來就在這裡。
既然 Data 已經在地端，那麼把一部分 Intelligence 移到 Data 附近，其實是一個非常自然的方向。
這也是我理解的 Edge AI。
不是因為 Cloud 不重要，而是因為不是所有資料，都應該為了 AI 而搬到 Cloud。
有時候更合理的方法，是：
把 AI 帶到 Data 旁邊。
從 Cloud AI，走向 Hybrid Intelligence
所以我認為未來很多企業的 AI 架構，不會是純 Cloud，也不會是完全 Self-hosted。
而是 Hybrid。
可能會變成：
Local / Edge Compute → Private Data → Knowledge → Tools / API → Agent → Frontier Model API
簡單的工作、本地知識查詢、RAG、Embedding、部分 Agent 任務，可以直接在地端完成。
需要更強 Reasoning 或特定 Multimodal 能力時，再呼叫外部模型。
今天是 OpenAI，明天可能是 Anthropic、Google、DeepSeek、Qwen，或者下一個還沒有出現的模型。
模型是可以替換的。
但你的 Data 與 Intelligence Architecture 不需要跟著一起重做。
這就是我一直強調的：
Own the Data and Orchestration. Rent the Model.
現在我會再補上一句：
Own enough Compute to keep your Intelligence under control.
不是擁有最多的 Compute。
而是擁有「足夠」的 Compute。
這反而可能是台灣真正的機會
從這個角度來看，我反而覺得這件事情很適合台灣。
台灣真正長期累積的優勢，本來就不只是 Cloud Service。
而是整個資通訊（ICT）產業鏈。
Server、Storage、Network、Edge Computing、Embedded System、ODM/OEM、System Integration，加上半導體與硬體供應鏈。
如果未來 AI Infrastructure 的市場只有一種答案：
誰能蓋最大的 Mega AIDC。
那它本質上會是一場極度 Capital Intensive 的遊戲。
最後能參與的玩家其實非常有限。
但如果下一個市場同時包含：
Enterprise AI Infrastructure、Private AI、Edge AIDC、In-Rack AI、In-Row AI、AI Appliance，以及不同產業需要的 Hybrid AI Infrastructure，
那遊戲就完全不一樣了。
這個市場需要的不只是 GPU。
它需要 Server、Storage、Networking、Cooling、Power Management、Security、Software Stack、Model Runtime、Agent、MCP、Data Governance 與 System Integration。
這些東西組合在一起，我反而認為更接近台灣真正擅長的事情。
從「蓋 AI Data Center」重新回到「我要解決什麼問題」
所以我覺得，在所有人都開始談 AIDC 的時候，也許我們應該先回到一個更基本的問題：
我們到底為什麼需要這座 AIDC？
是為了訓練 Frontier Model？
是提供 GPU Cloud？
是做 Sovereign AI？
還是其實只是希望一家企業可以把自己的 Data、Workflow 與 Agent 留在自己掌控的 Infrastructure 裡？
如果任務不同，Infrastructure 的答案本來就應該不同。
航空母艦有航空母艦的任務。
但不是所有任務，都需要派一艘航空母艦出去。
有時候，一個 Rack、一套 Edge AI Infrastructure，再加上 Cloud Frontier Models，可能就已經足以完成你真正需要做的事情。
結語：不是最大的 AI，而是自己的 Intelligence
我愈來愈覺得，AI 時代真正重要的問題，不是：
「我有多少 GPU？」
而是：
「我能不能把自己的 Data，轉化成自己的 Intelligence？」
Mega-scale AIDC 當然會存在，而且對 Frontier Model Training、Hyperscaler 與大型 AI Service Provider 來說不可或缺。
但對絕大部分企業、SME，甚至未來的個人 AI Infrastructure 而言，我認為更重要的可能是另一條路：
Smaller. Local. Hybrid. Ownable.
在自己可以控制的 Infrastructure 上，保存自己的 Data、Context 與 Workflow；
用適合自己的 Open-weight Model 做 Local Inference；
需要的時候再租用世界上最好的 Frontier Intelligence；
然後透過 Agent 與 Orchestration，把這些能力組合成真正屬於自己的 Intelligence。
不是每個人都需要一艘航空母艦。
但每個人、每家公司，甚至每個國家，都應該思考自己需要擁有多少 AI Infrastructure，才能把最重要的 Intelligence 留在自己手上。
這可能才是 Own your AI stack 再往下一層，真正值得討論的問題。